夏 名 首

（1.東南大學經(jīng)濟管理學院，江蘇南京210096；2.安徽商貿職業(yè)技術學院經(jīng)濟貿易系，安徽蕪湖241002）

基于買家在線評價的購后評價特征數(shù)據(jù)挖掘

夏 名 首1、2

（1.東南大學經(jīng)濟管理學院，江蘇南京210096；2.安徽商貿職業(yè)技術學院經(jīng)濟貿易系，安徽蕪湖241002）

買家在線評論作為買家購后滿意情況的反映，是買家進行購買決策和商家了解顧客、發(fā)現(xiàn)并改進不足之處的重要依據(jù)。利用中文分詞、RFM改進模型和情感聚焦雷達圖對天貓網(wǎng)碧根果買家在線評論的分析表明，各類型買家關注的因素大體相同，但關注度不一；各類型買家購后評論情感聚焦點基本一致，但參與程度不同。其中，口味是產品的核心競爭力，服務、物流、價格因素也是不可或缺的參考點。鑒于此，主營堅果及其他食品類產品的電商不僅要根據(jù)產品屬性及情感聚焦點的不同進行差異化營銷和服務，而且要在重點關注口味的同時，制定客戶服務標準，實施個性化服務，選擇能夠為自身加分的物流服務提供商（或自身承擔物流）。此外，還要把握產品毛利率，保證質量，提升促銷感知力度，更新完善包裝，拓展產品用途，關注負面在線評論并有針對性地加以解決。而買家則應在線上購物信息搜尋階段，參考其他買家評價，收集整理自己關注的問題，提升決策有效性。

在線評價；中文分詞；RFM改進模型；情感聚焦雷達圖；購后評價特征

買家在線評價是指電子商務活動中買家購買商品收貨后在評論系統(tǒng)中以文字或者分值給予商家、物流和產品的評價。對買家而言，該評價一方面是購后買家自身滿意程度的表達，另一方面也是其他買家購前重要的參考依據(jù)；對商家而言，基于買家在線評價的購后評價特征數(shù)據(jù)挖掘可以更好地幫助商家了解顧客、發(fā)現(xiàn)自身不足之處、改進服務并挖掘賣點，從而吸引更多買家購買，提高客戶忠誠度與市場占有率。

一、文獻綜述

在線消費者行為比較復雜，一直是國內外研究的熱點，所應用的理論比較多，所涉及的學科比較廣，如社會交換理論、推理行動理論、計劃行為理論、零售顧客模型、技術接受模型等。有關在線評論購后評價方面的研究，目前主要包括以下幾個方面：

（一）消費者購后評價影響因素研究

消費者購后評價影響因素較多，20世紀90年代就引起了部分學者的關注，如戴維斯（Davis F D）、[1]格拉齊奧利（Grazioli S）等[2]的研究就主要致力于確定消費者購買意愿影響因素及購后在線評價影響因素。

國內學者范曉屏[3]認為，以往營銷領域大多基于對單一線索影響作用的研究，其局限性越來越明顯，而網(wǎng)絡環(huán)境下，信息極度豐富，消費者行為通常會受到多種信息線索的共同影響。

當然，人口統(tǒng)計變量和消費者個人特征是一個獨特的類別，已有學者進行了大量研究。國外學者拉馬斯瓦米（Ramaswami S）等[4]發(fā)現(xiàn)，產品知識和決策信心均不影響信息搜索或在線購物的過程，這可能源于個人特征中的主觀參與和暈圈效應。南京大學王宇燦等[5]基于社會交換理論、動機擁擠理論、信息不對稱理論，以體驗型商品為例構建消費者在線評價參與意愿影響因素理論模型，發(fā)現(xiàn)在企業(yè)對消費者（B2C）和消費者對消費者（C2C）兩種類型的電子商務中，幫助其他消費者的愉悅感、網(wǎng)站服務均與體驗型商品消費者在線評價參與意愿正相關，而影響商家的愉悅感、自我提升、經(jīng)濟回報、認知成本、執(zhí)行成本對消費者是否參與在線評價無顯著影響。同B2C、C2C交易中幫助其他消費者的愉悅感與消費者在線評價參與意愿之間較強的正向關系相比，網(wǎng)站服務與消費者在線評價參與意愿之間正向關系較弱。

（二）購后評價受購物過程影響研究

購后評價也受購物過程因素影響，在部分研究中消費者對網(wǎng)購的看法也被當作主要變量用在各類分析中，包括對與在線購物相關的欺詐和安全風險的調查。利馬耶（Limayem M）等[6]發(fā)現(xiàn)，消費者對網(wǎng)店的信任程度受感知強弱、商店聲譽等因素影響。還有研究發(fā)現(xiàn)，個人被社會結構所包圍，媒體、家庭、朋友都是直接影響在線購物意圖的因素，對購買態(tài)度的感知效益（價格更低，產品信息更少，時間更短，客戶服務與便利性更好）和感知風險（安全與隱私風險總和）有顯著影響。國內學者張欣[7]認為，消費者網(wǎng)購過程實際上是在信息不完全對稱的環(huán)境下進行的，均會在不同程度上感知到一定的風險，此時消費者就會擴大信息搜尋范圍，從而涉及到在線交易評價。

（三）購后評價對消費者購買選擇的影響研究

近年來，有關購買評論的研究發(fā)現(xiàn)，在線評價對消費者選擇影響很大，同時這一領域也成為新的熱點。例如，國內學者朱琛[8]認為，在線評價作為消費者選擇評估的依據(jù)，對購買決策具有重要影響，而正面評價則直接影響企業(yè)銷量。瓦莫蘭和西格斯（Vermeulen I&Seegers D）[9]提出，在部分行業(yè)如酒店業(yè)，平臺上發(fā)布的評論對潛在旅行者（使用平臺共享信息來計劃旅行的旅行者）和酒店而言是非常重要的。庫蘇馬遜（Kusumasondjaja S）等[10]認為，消極評論比正面評論更具有影響力，因為它們的可信度更高。高寶俊等[11]提出，對于不同的評價系統(tǒng)，評論對銷量產生的影響不同。在有分類的評價系統(tǒng)下，評論總量、好評量對銷量有顯著的正影響，差評量對銷量有顯著的負影響；在沒有分類的評價系統(tǒng)下，評論總量、好評量對銷量有顯著的正影響，而差評對銷量并不產生影響。價格是影響銷量的重要因素，網(wǎng)站的評論總量和價格對銷量均產生顯著的影響。

綜上所述，有關購后評價影響因素及其對購物選擇影響的研究，已經(jīng)成為學術界研究的熱點，同時在實踐中也對買家和商家具有一定的指導意義。

二、數(shù)據(jù)挖掘流程

買家在線評價的購后評價特征數(shù)據(jù)挖掘也遵循一般數(shù)據(jù)挖掘流程，圖1就是其工作流程的示意圖。通過示意圖可以看出，數(shù)據(jù)挖掘流程主要可分為數(shù)據(jù)準備、數(shù)據(jù)預處理、詞表構建、數(shù)據(jù)挖掘四個階段。[12]

第一階段：數(shù)據(jù)準備。首先，根據(jù)選定的研究對象，熟悉相關背景知識，利用爬蟲軟件對特定數(shù)據(jù)進行爬?。蝗缓?，對分散的數(shù)據(jù)按照一定的規(guī)則或格式合并；接下來，對不符合條件的數(shù)據(jù)進行數(shù)據(jù)清洗，消除錯誤、冗余和數(shù)據(jù)噪音，以此保障數(shù)據(jù)質量。

圖1 數(shù)據(jù)挖掘流程

第二階段：數(shù)據(jù)預處理。對所選取的數(shù)據(jù)進行再處理，檢查數(shù)據(jù)的完整性和一致性，消除噪音，濾除與數(shù)據(jù)挖掘無關的冗余數(shù)據(jù)?；谡砗玫臄?shù)據(jù)，梳理選擇對象在線評價維度，對屬性進行描述性分析，進而利用RFM改進模型對不同人群進行聚類研究。

第三階段：詞表構建。在Python程序語言中利用中國科學院漢語分詞系統(tǒng)NLPIR2016（其前身是ICTCLAS）對買家在線評價進行分詞，提取高頻詞，并對高頻詞按照屬性和情感歸類，在Excel軟件中利用VLOOKUP函數(shù)將原高頻詞轉化成新歸類詞，以此構建屬性和情感詞表。

第四階段：數(shù)據(jù)挖掘。計算新屬性和情感詞詞頻，基于詞頻構建新歸類詞頻率表，在頻率表基礎上形成多維度顯示的雷達圖。然后，根據(jù)雷達圖分析不同人群購后評價特征，并提供一些參考和建議，以此幫助商家和買家進行決策。[13]

三、實證分析

（一）研究對象選擇與數(shù)據(jù)準備

在天貓官網(wǎng)上以“碧根果”為關鍵詞進行搜索，按照月銷量從高到低排名并進行店鋪合并后，發(fā)現(xiàn)三只松鼠、百草味、良品鋪子、口口福、饞魚兒、憨豆熊、樓蘭蜜語、新農哥、信禮坊、糧典十大品牌銷量處在前列，故選取每個品牌最暢銷碧根果產品累計評論數(shù)據(jù)作為基礎。同時，考慮到有追評的買家評論具有更高的信息含量和可靠性，從中篩選含有追加評論的買家在線評價進行買家在線評價數(shù)據(jù)挖掘。其中，買家在線評價數(shù)據(jù)屬性包括首次評論時間、首次評論內容、兩次評論時隔、二次評論內容、買家信用等級、采集時間等，利用數(shù)據(jù)爬取技術收集并合并清洗的數(shù)據(jù)量參見表1，采集時間為2016年1月。

（二）數(shù)據(jù)預處理

買家在線評價質量受買家信用等級、兩次評論時隔（收貨與二次評論之間的時間間隔）、首次評論字數(shù)、二次評論字數(shù)影響，故首先對上述四大屬性進行量化處理，以此進行描述性分析。

其中，買家信用等級按照淘寶網(wǎng)定義的信用分值分別編碼成順序數(shù)據(jù)，即4～10分編碼成“1”，11～40分編碼成“2”，依此類推，共有17級，對于沒有信用等級的買家編碼成“0”，按照缺失值處理。評論時隔中的“當天”按照“0”處理，其他按照在線評價中原來的數(shù)值處理，如“收貨1天后追加”的時間間隔為“1”。表2為利用SPSS20.0軟件對四類屬性量化指標進行描述性分析的結果。

在評論字數(shù)方面，共有首次評論字數(shù)、二次評論字數(shù)兩個屬性指標，均能代表購后評價的特征。但考慮到研究的可行性，對首次評論字數(shù)、二次評論字數(shù)進行均值化合并，構造生成數(shù)據(jù)“評論均字數(shù)”，即：

評論均字數(shù)=（首次評論字數(shù)+二次評論字數(shù)）/2

最終，確定買家在線評價研究的三大量化指標為評論均字數(shù)、兩次評論時隔、買家信用等級。

表1 碧根果十大品牌累計評論中兩次評論采集量

表2 四類屬性量化指標描述統(tǒng)計量

（三）基于RFM模型改進買家人群聚類

RFM模型是衡量客戶價值與客戶創(chuàng)利能力的重要工具和手段。該模型通過一個客戶的近期購買行為、購買總體頻率、花費金額三項指標來描述該客戶的價值狀況。在買家在線評價研究中，首先要通過三大量化指標對買家進行人群分類，因為分類之后再進行評論信息數(shù)據(jù)挖掘才有更好的特征顯示。在進行人群分類時，通過研究發(fā)現(xiàn)，基于RFM模型改進的人群分類比系統(tǒng)聚類法效果更好，即兩次評論時隔代表時間數(shù)量特征，為R維度；評論均字數(shù)代表評論質量特征，為F維度；買家信用等級代表效益特征，為M維度。傳統(tǒng)RFM模型按照五等分進行買家人群劃分，但相關研究發(fā)現(xiàn)，僅以20%進行機械劃分并不能很好地代表顧客特征。接下來，將在研究基礎上對新RFM指標進行合理劃分。[14]

在R維度即兩次評論時隔方面，收貨40天追評前后有明顯變化，考慮到前文表2中兩次評論時隔的均值為8.6天，故對R進行三區(qū)間分組，結果見表3；在F維度即評論均字數(shù)方面，40字是很好的總體區(qū)分線，根據(jù)評論均字數(shù)的SPSS分組頻率統(tǒng)計，0～9字的評論占比為21.1%，10～40字的占比為66.4%，40字以上的占比為11.6%，因此對F進行三區(qū)間分組，結果見表3；在M維度即買家信用等級方面，表2顯示，范圍為1～12級，均值為3.94，頻率統(tǒng)計顯示，1～3級占比為46.9%，4～6級占比為43.5%，故對M進行三區(qū)間分組，結果見表3。

RFM三區(qū)間分組確定后，對在線評價買家分別按照R、F、M參數(shù)分組，假設某個客戶分別屬于R1、F3、M2三個組，則可以得到該在線評論買家的RFM代碼為132。RFM代碼相同的買家人群具有一定的相似特性，能夠更好地進行聚類研究。

表4 顯示了不同類型買家人群的用戶數(shù)以及頻率。受本次數(shù)據(jù)爬取量的限制，出現(xiàn)了一些買家人群用戶數(shù)較少的情況，為使分析更具有代表性，在下面的不同買家人群細分研究中僅選取111、222、211、212四類數(shù)據(jù)量較大的人群開展研究，其他類別有待數(shù)據(jù)量提升后再參照同類方法進行研究。[15]

（四）基于中文分詞的買家在線評價屬性情感等數(shù)據(jù)挖掘

首先，利用Python程序語言調用NLPIR2016分詞系統(tǒng)處理買家在線評價，形成分詞結果和高頻關鍵詞統(tǒng)計；其次，選擇高頻詞語，在高頻詞表中歸納出所有買家的商品評論屬性詞、情感態(tài)度詞；最后，對四類不同買家人群屬性聚焦，基于四類買家群體屬性詞詞頻和群體人數(shù)制作雷達圖，并根據(jù)雷達圖進行屬性情感分析。

表3 RFM模型改進的三區(qū)間分組表

表4 不同買家人群帕累托累計

1.利用Python程序語言調用NLPIR2016系統(tǒng)進行分詞處理

在Python程序語言中調用中國科學院漢語分詞系統(tǒng)NLPIR2016進行買家在線評價分詞處理，其中調用用戶字典對固定搭配進行組合切詞，比如把“很不滿意”中的“很不”作為一個否定詞導入用戶字典。同時，把一些無用詞導入停用詞文件，在分詞中予以去除，比如將“選的”導入停用詞文件，在分詞中予以去除。利用Python程序語言調用NLPIR2016分詞系統(tǒng)處理后的結果可參見表5。

利用NLPIR2016分詞系統(tǒng)編寫詞頻統(tǒng)計程序，統(tǒng)計結果參見表6。

2.中文分詞處理及結果表達

分詞處理之后選擇高頻詞語，在高頻詞表中歸納出所有買家的商品評價屬性詞和情感態(tài)度詞，其結果參見表7、表8。根據(jù)買家在線評價中屬性詞和情感態(tài)度詞出現(xiàn)的人群比例制作雷達表，分析111、222、211、212四類買家人群的聚焦點。

3.四類不同買家人群的在線評價聚焦點

在四類不同買家人群屬性聚焦方面，對總詞頻VLOOKUP和數(shù)據(jù)透視圖進行處理，得到表9所示的四類買家群體根據(jù)屬性詞分類的相應頻數(shù)及對應群體買家數(shù)，進而以頻數(shù)除以買家數(shù)求得的頻率為基礎，得到四類不同買家人群的屬性聚焦點雷達圖（圖2）。

圖2 顯示，四類人群選購碧根果產品后的屬性評論聚焦點呈現(xiàn)出一些明顯特征。在四類人群中，口味是首要因素，說明消費者在堅果類產品選購及購后食用中非常關注口味，這一點事關產品的直接銷售，商家需要予以特別關注。服務和物流緊隨其后，但在不同群體中有所分化。服務聚集點方面的排序為212、211、222、111，說明111群體對服務聚焦程度低，商家要針對該群體調整自己的服務策略，減小服務投入力度，同時為212人群提供更好的服務以抓住此類用戶，而不能再像之前那樣“一視同仁”了。此外，價格、質量、活動、包裝、用途也是購后評論的焦點，且價格和質量關注度稍高，但在不同的人群中有所不同。[16]

表5 爬蟲軟件調用NLPIR2016分詞系統(tǒng)處理結果（部分）

表6 買家在線評價高頻關鍵詞統(tǒng)計（部分）次

表7 買家在線評價屬性詞

圖2 顯示，111群體各項屬性評論均處于低點，說明該群體可能屬于網(wǎng)絡購物新手，其選購和購后聚焦點尚處于嘗試階段，要求較低，隨著選購經(jīng)驗的增加，今后有可能變成屬性聚焦點較高的212或211人群。

圖3 為四類人群購后評論情感聚焦雷達圖。圖3中四類人群的圖形形狀大體相似，說明其情感聚焦點大致相同。其中，消費類褒義詞、滿意類褒義詞是主要表達因素，消費類貶義詞、滿意類貶義詞數(shù)值較低，行動類指標數(shù)值較高，說明四類人群中的大部分均表達了再次購買的意愿。此外，從指標上也可以發(fā)現(xiàn)，111人群情感參與程度低，211、212、222三類人群的情感反應存在一定程度的重合。[17]

表8 買家在線評價情感態(tài)度詞

表9 四類不同買家人群屬性頻數(shù)次

圖2 四類不同買家人群屬性聚焦點雷達圖

圖3 四類不同人群情感聚焦點雷達圖

四、結論

本文以天貓網(wǎng)上銷售的碧根果產品為研究對象，對買家在線評價中的首次評論時間、首次評論內容、兩次評論時隔、二次評論內容、買家信用等級、采集時間等屬性進行數(shù)據(jù)爬取，并利用基于RFM模型改進的人群分類，選取111、222、211、212四類數(shù)據(jù)量較大的人群進行研究，分析四類人群選購碧根果產品后屬性評論的聚焦點，并繪制四類人群的購后評論情感聚焦雷達圖。研究結果表明，四類人群選購碧根果產品后屬性評論的聚焦點呈現(xiàn)出一些明顯的特征，其評論焦點依次為：口味、服務和物流、價格、質量、活動、包裝和用途。四類人群的情感聚焦點大致相同，其中消費類褒義詞、滿意類褒義詞是主要表達因素，消費類貶義詞、滿意類貶義詞數(shù)值較低，行動類指標數(shù)值較高，說明四類人群中的大部分均表達了再次購買的意愿。

（一）理論意義

首先，本文對買家在線評論進行中文分詞，利用Python程序語言調用中國科學院漢語分詞系統(tǒng)NLPIR2016，在電商購后評價中取得了非常顯著的分詞效果。買家在線評論中文分詞的成功實施，有助于進一步開展買家在線評論的文本挖掘和深度學習，從中發(fā)現(xiàn)更多的理論研究及商業(yè)參考價值。同時，也可應用于其他領域互聯(lián)網(wǎng)信息的中文分析，提升信息利用效率。

其次，本文提出的改進RFM模型較為動態(tài)地展示了某類客戶的全部輪廓，對個性化網(wǎng)絡營銷和服務提供了比較直觀的參考和依據(jù)。同時，RFM模型能夠較為精確地判斷某類客戶的長期價值（甚至是終身價值），通過改善R、F、M三項指標的狀況，可為電子商務企業(yè)提供更多的營銷決策支持，并大大豐富RFM模型相關理論研究。

其三，將雷達圖應用于不同人群在線評價情感聚焦分析。雷達圖通常用于企業(yè)財務、個人賬務管理及投資理財?shù)确矫?，而本文將雷達圖應用于復雜多變的消費者在線評價情感聚焦分析，并取得了較好的效果，項目對比更加直觀明了。這一方面拓寬了雷達圖的適用研究范圍，另一方面為電子商務企業(yè)營銷實踐提供了更加具體、更加實用的參考和借鑒。

（二）實踐意義

首先，在天貓官網(wǎng)搜索“堅果”一詞，月銷量排名第一的就是“碧根果”。作為近年來互聯(lián)網(wǎng)銷售的“網(wǎng)紅”產品，碧根果屬于典型的堅果類產品，對其線上用戶及評價進行研究，能夠在一定程度上代表同品類產品。因此，本文通過對碧根果的研究，可進一步明確堅果類產品中消費者在線評價的聚焦點，即消費者對口味、服務和物流、價格、質量、活動、包裝和用途等因素的敏感程度，對天貓網(wǎng)堅果類產品賣家具有十分重要的實踐意義，可指導它們調整產品、營銷、推廣策略等。

其次，進一步拓展電商購物影響因素研究中的相關變量。以往的影響因素研究主要以人口統(tǒng)計變量、消費者個人特征為主，并逐步融入信用和安全影響因素，而這些主要體現(xiàn)在售前和售中研究上。與此同時，隨著選擇的增加，現(xiàn)實中影響網(wǎng)絡購物決策的因素越來越多，而文獻分析表明，以往的影響因素研究缺少買家售后因素。本文以買家在線評論為切入點，借助中文分詞、RFM改進模型和情感聚焦雷達圖研究買家售后關注因素，可指導售前、售中決策，使在線購物更加理性化，具有一定的現(xiàn)實意義。

其三，本文拓展了RFM模型和雷達圖在電子商務客戶關系管理中的應用范圍。使用RFM模型對買家進行人群分類，能夠抓住各類特征人群的需求，有針對性地制定相應的營銷和服務策略，提升買家滿意度和忠誠度；利用雷達圖展示各類型用戶情感聚焦，能夠指導企業(yè)尋找發(fā)展機會，從而改善運營管理，提高市場占有率。

（三）研究啟示與展望

根據(jù)以上對買家在線評價的購后評價特征數(shù)據(jù)的分析，可以得到如下啟示：

其一，在線評論中有不同類型的買家，主要買家關注的因素大體相同，但略有差異，即關注口味、服務和物流的最多，但各類型買家對相關因素的關注度不一。同時，主要買家購后評論情感聚焦點也基本一致，但參與程度存在差異。賣家在服務過程中，應根據(jù)屬性及情感聚焦點的不同提供差異化營銷和服務，投入相應的人力物力財力，降低客戶獲取及保留成本。

其二，通過在線評論挖掘可以發(fā)現(xiàn)，在碧根果產品買家在線評論的屬性情感因素中，口味是第一類別。碧根果作為食品類消費品，充分驗證了“民以食為天，食以味為先”的說法。因此，主營碧根果等堅果類產品的電商店鋪首先應當關注口味因素，因為這是此類產品的核心競爭力，也是買家所給出的評價中最直觀的利益表達點。當然，這對其他食品類產品的消費也具有一定借鑒意義。在食品類電商企業(yè)競爭日益加劇的當下，品類的拓展對市場份額的增加以及會員的保留至關重要，很多以堅果起步的企業(yè)都在逐步將品類拓展至零食、糧油米面等。對堅果類產品進行在線評論挖掘所得到的相關結論可應用于食品類產品的研究中。

其三，店鋪動態(tài)評分（DSR）由產品描述相符度、物流服務、客戶服務態(tài)度構成，是影響賣家自然流量、轉化率及活動運營的重要依據(jù)。根據(jù)本文得到的相關結論，碧根果產品買家對服務和物流因素關注度很高，符合平臺對賣家的評價標準。對經(jīng)營堅果類乃至食品類產品的電商賣家而言，除了要控制好產品的口味以外，制定客戶服務標準并實施個性化服務也至關重要，只有服務至上才能走得長遠。此外，選擇那些能夠為自身加分的物流服務提供商（或自身承擔物流）也很關鍵，物流服務既要關注速度，也要關注產品的完整無損性以及服務的及時性。以上兩個方面均值得電商店鋪關注和加強。

其四，在買家關注的其他屬性情感因素中，價格因素依然堅挺，是其消費過程中不可或缺的參考點。隨著競爭壓力的增加，把握產品毛利率、降低客戶獲取成本是各賣家應當著力實現(xiàn)的目標。另外，質量、活動、包裝及用途等均出現(xiàn)在買家評論中，也值得賣家關注，因為細節(jié)決定成敗。確保產品良好過硬的質量、提升促銷感知力度、更新完善包裝、拓展產品用途，均能增加顧客讓渡價值，贏得更高的滿意度和忠誠度。

其五，對現(xiàn)階段碧根果買家在線評論的挖掘表明，買家對電商碧根果產品總體處于滿意狀態(tài)，多數(shù)均表達了再次購買的意愿，這是值得肯定的。而與此同時，也要注意到那些不是經(jīng)常出現(xiàn)的差評、口味差、失望等負面在線評論。賣家應提高警惕，隨時收集相關信息，追本溯源，查清責任方，有針對性地解決相關問題，減少負面評價，推動整個行業(yè)良性發(fā)展。

其六，對買家而言，應在線上購物信息搜索階段，參考其他買家評價，收集整理自己較為關注的問題，提升決策的有效性。當然，這同樣適用于其他品類產品的購買，信息的透明性和公開性可推動購物的理性化。

本文在電商買家在線評論屬性和情感研究方面取得了一些進展，但仍然存在很大的研究空間。例如，可進一步增加買家在線評論數(shù)據(jù)量，并以月為單位形成時間序列數(shù)據(jù)，以此在更大范圍內進行拓展研究；可以月為單位研究屬性和情感的變化，從而幫助賣家更好地把握趨勢及相關影響因素；受數(shù)據(jù)量限制，本研究僅僅研究了四類人群，今后隨著數(shù)據(jù)量的增加，也可針對其他類別開展類似研究，由此幫助賣家更好地了解不同買家之間的差別，并進行更為精準化的營銷；可重點關注品類的延伸，以此擴大研究的應用范圍，為更多賣家提供參考。

[1]DAVIS F D.Perceived usefulness：perceive dease of use and user acceptance of information technology[J].MIS quarterly，1989，13（3）：319-340.

[2]GRAZIOLI S，JARVENPAA S L.Perils of internet fraud：an empirical investigation of deception and trust with experi?enced internet consumers[J].IEEE transactions on systems man and cybernetics—— Part A：Systems and humans，2000，30（4）：395-410.

[3]范曉屏.網(wǎng)絡購買環(huán)境中多線索對消費者購買意愿的影響研究——基于認知性線索框架[D].杭州：浙江大學，2015.

[4]RAMASWAMI S，STRADER T，BRETT K.Determinants of online channel use for purchasing financial products[J].Inter?national journal of electronic commerce，2000（2）：95-118.

[5]王宇燦，袁勤儉.消費者在線評價參與意愿影響因素研究——以體驗型商品為例[J].現(xiàn)代情報，2014（10）：166-173.

[6]LIMAYEM M，KHALIFA M，F(xiàn)RINI A.What makes consum?ers buy from internet?a long-itudinal study of online shop?ping[J].IEEE transactions on systems man and cybernet?ics——Part A：Systems and humans，2000，30（4）：421-432.

[7]張欣.淺析在線評價對消費者購買的影響[J].知識經(jīng)濟，2016（1）：98-100.

[8]朱琛.在線評價發(fā)布網(wǎng)站對消費者購買意愿影響的實證研究[J].科學決策，2016（4）：78-94.

[9]VERMEULEN I E，SEEGERS D.Tried and tested：the im?pact of online hotel review consumer con side ration[J].Tour?ism management，2009（1）：123-127.

[10]KUSUMASONDJAJA S，SHANKA T，MARCHEGIANI C.Credibility of online reviews and initial trust：the roles of re?viewer’s identity and review valence[J].Journal of vacation marketing，2012（3）：185-195.

[11]高寶俊，王寒凝，黃瑱，等.在線評價系統(tǒng)對商品銷售的影響分析——基于京東和天貓的數(shù)據(jù)[J].價格理論與實踐，2015（8）：103-105.

[12]趙志陽.交易網(wǎng)站在線評論對商品銷售的影響研究[D].北京：北京郵電大學，2013.

[13]唐曉波，肖璐.基于情感分析的評論挖掘模型研究[J].情報理論與實踐，2013（7）：100-105.

[14]趙萌，齊佳音.基于購買行為RFM及評論行為RFMP模型的客戶終身價值研究[J].統(tǒng)計與信息論壇，2014（9）：91-98.

[15]劉寅，關志新，王緹.基于“數(shù)量—質量—效益”的金融產品客戶細分——一個改進的RFM模型[J].海南金融，2015（12）：21-24.

[16]畢達宇，夏曉旭，王婧.用戶在線評論數(shù)據(jù)挖掘的網(wǎng)商信用度分析[J].現(xiàn)代圖書情報技術，2014（Z1）：77-83.

[17]王曉旭，王海清.在線評論對網(wǎng)絡用戶購買意愿影響研究[J].東方企業(yè)文化，2013（5）：106.

責任編輯：陳詩靜

Data Mining of Buying Evaluation based on Buyers'Online Reviews

XIA Ming-shou1，2
（1.Southeast University，Jiangsu，Nanjing210096，China；2.Anhui Business College，Wuhu，Anhui241002，China）

With the increasing of influencing factors of online shopping decision，it is necessary for us to further explore the related variables of online shopping，take buyers’online reviews as the start point，and carry out analysis on buyers’after-sale focuses.With the help of Chinese word segmentation，RFM improvement Model and emotion focus Radar Chart，and taking“Pecans”sold on Tmall as the object，the author effectively classifies the buyers into different groups，seize the different needs of different groups，demonstrates the different emotion focuses of different buyers，and analyzes the buyers’online reviews.It is found that：the focuses of different buyers are almost the same，but with different degree of attention；and the emotion focuses are almost the same，but with different degree of participation.Among all the emotion factors，taste is the first class，and service and price are also the indispensable reference points.So the sellers should carry out differentiated marketing and service based on the different nature and emotion focuses，and reduce the cost of customer acquisition and maintenance.While paying more attention to taste related factors，E-commerce of nuts and other foods should formulate the standard of customer service，provide individualized service，and choose logistic service providers(or provide logistic service by themselves)that can bring benefits.Besides，the sellers should also guarantee certain level of gross profit rate and quality，improve the perception of promotion，update the package，expand more usage way of products，pay attention to the negative reviews and solve the related problems.The buyers should learn from other buyers’reviews，collect problems they should pay attention to，and improve the effectiveness of their decision.

buyer's online reviews；Chinese word segmentation；RFM Improvement Model；Radar Chart；Data Mining

F724.6

A

1007-8266（2017）07-0030-09

10.14089/j.cnki.cn11-3664/f.2017.07.004

夏名首.基于買家在線評價的購后評價特征數(shù)據(jù)挖掘[J].中國流通經(jīng)濟，2017（7）：30-38.

2017-02-13

安徽省人文社會科學研究重點項目“安徽省快遞行業(yè)自律評價信息平臺規(guī)劃與設計”（SK2014A249）；安徽省高校優(yōu)秀青年骨干人才國內外訪學研修重點項目（gxfxZD2016327）；安徽省教育廳質量工程項目——電子商務實習實訓中心（2014sxzx038）

夏名首（1978—），男，安徽省巢湖市人，安徽省電子商務專業(yè)帶頭人，安徽商貿職業(yè)技術學院經(jīng)濟貿易系副教授，東南大學經(jīng)濟管理學院訪問學者，主要研究方向為電子商務與網(wǎng)絡營銷戰(zhàn)略。